| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 目录 | 第12-16页 |
| 图表目录 | 第16-18页 |
| 第1章 绪论 | 第18-30页 |
| 1.1 研究背景与意义 | 第18-22页 |
| 1.1.1 地学计算环境的演变 | 第18-19页 |
| 1.1.2 空间服务组合自治愈需求 | 第19-20页 |
| 1.1.3 自治愈关键技术问题 | 第20-22页 |
| 1.2 国内外研究现状 | 第22-26页 |
| 1.2.1 空间服务组合的自治愈相关模型 | 第22页 |
| 1.2.2 面向替换修复的空间服务预测方法 | 第22-24页 |
| 1.2.3 空间服务组合重规划修复方法 | 第24-25页 |
| 1.2.4 空间信息服务组合自治愈框架 | 第25-26页 |
| 1.3 研究方法与内容 | 第26-28页 |
| 1.4 论文的组织结构 | 第28-30页 |
| 第2章 基础理论研究 | 第30-53页 |
| 2.1 云计算概述 | 第30-33页 |
| 2.1.1 定义和特点 | 第30-32页 |
| 2.1.2 云服务类型 | 第32-33页 |
| 2.2 空间信息服务概述 | 第33-38页 |
| 2.2.1 Web服务概念及体系 | 第33-35页 |
| 2.2.2 空间信息服务及分类 | 第35-38页 |
| 2.3 空间信息服务组合 | 第38-43页 |
| 2.3.1 空间信息服务组合概念 | 第38页 |
| 2.3.2 空间信息服务组合分类及规范 | 第38-40页 |
| 2.3.3 空间信息服务组合相关研究 | 第40-43页 |
| 2.4 面向服务替换的协同过滤算法 | 第43-50页 |
| 2.4.1 空间信息服务的选择与替换 | 第43-45页 |
| 2.4.2 协同过滤概念及分类 | 第45-46页 |
| 2.4.3 基于记忆的协同过滤算法 | 第46-49页 |
| 2.4.4 基于模型的协同过滤算法 | 第49-50页 |
| 2.4.5 协同过滤的计算因素 | 第50页 |
| 2.5 遗传算法及服务组合重规划 | 第50-52页 |
| 2.5.1 遗传算法及其特点 | 第50-51页 |
| 2.5.2 基于遗传算法的重规划方法 | 第51-52页 |
| 2.6 本章小结 | 第52-53页 |
| 第3章 云环境下失效机理研究及自治愈策略模型 | 第53-69页 |
| 3.1 问题的提出 | 第53-54页 |
| 3.2 失效分类体系及机理分析 | 第54-58页 |
| 3.2.1 SaaS层失效 | 第55-56页 |
| 3.2.2 PaaS层失效 | 第56页 |
| 3.2.3 IaaS层失效 | 第56-58页 |
| 3.3 修复行为分类体系 | 第58-62页 |
| 3.3.1 面向空间信息服务层 | 第58-60页 |
| 3.3.2 面向空间服务组合层 | 第60-61页 |
| 3.3.3 面向云基础设施层 | 第61-62页 |
| 3.4 自治愈策略描述模型 | 第62-67页 |
| 3.4.1 SHPolicy模型的定义 | 第62-63页 |
| 3.4.2 模型的描述与说明 | 第63-66页 |
| 3.4.3 自治愈策略描述示例 | 第66-67页 |
| 3.5 本章小结 | 第67-69页 |
| 第4章 面向替换修复的空间信息服务预测 | 第69-102页 |
| 4.1 问题的提出 | 第69-70页 |
| 4.2 设计思路和基本概念 | 第70-74页 |
| 4.2.1 时空关联算法的设计思路 | 第70-73页 |
| 4.2.2 概念和定义 | 第73-74页 |
| 4.3 时空特征协同过滤的服务预测模型 | 第74-78页 |
| 4.3.1 算法流程 | 第74-76页 |
| 4.3.2 算法描述 | 第76-78页 |
| 4.4 服务-时空角度计算 | 第78-81页 |
| 4.4.1 基于服务时空特征的用户-服务QoGIS矩阵构建 | 第78-79页 |
| 4.4.2 基于用户空间的服务相似度计算 | 第79-81页 |
| 4.4.3 Top K邻近服务选取 | 第81页 |
| 4.5 用户-时空角度计算 | 第81-84页 |
| 4.5.1 基于用户时空特征的Top K服务QoGIS矩阵构建 | 第81-82页 |
| 4.5.2 基于服务空间的用户相似度计算 | 第82-84页 |
| 4.5.3 Top N邻近用户选取 | 第84页 |
| 4.6 TopK-N邻近矩阵建立 | 第84-87页 |
| 4.6.1 TopK-N邻近矩阵的定义 | 第85页 |
| 4.6.2 TopK-N邻近矩阵缺失值计算 | 第85-87页 |
| 4.7 用户-服务-时空综合预测 | 第87-90页 |
| 4.7.1 服务-时空角度预测 | 第87-88页 |
| 4.7.2 用户-时空角度预测 | 第88-89页 |
| 4.7.3 综合预测 | 第89-90页 |
| 4.8 实验及分析 | 第90-100页 |
| 4.8.1 实验目的与环境 | 第90页 |
| 4.8.2 实验数据 | 第90-93页 |
| 4.8.3 实验一：矩阵密度的影响 | 第93-96页 |
| 4.8.4 实验二：TopK参数的影响 | 第96-98页 |
| 4.8.5 实验三：训练服务数的影响 | 第98-99页 |
| 4.8.6 实验四：不同空间特征的差异 | 第99-100页 |
| 4.9 本章小结 | 第100-102页 |
| 第5章 时空优化的空间服务组合重规划修复 | 第102-136页 |
| 5.1 问题的提出 | 第102-104页 |
| 5.2 相关技术及概念 | 第104-110页 |
| 5.2.1 Skyline技术 | 第104-106页 |
| 5.2.2 Skyline支配度 | 第106-109页 |
| 5.2.3 遗传算法 | 第109-110页 |
| 5.3 时空优化的服务组合重规划算法 | 第110-126页 |
| 5.3.1 服务组合编码 | 第111-112页 |
| 5.3.2 组合QoGIS计算 | 第112-114页 |
| 5.3.3 时空约束的Skyline支配度 | 第114-116页 |
| 5.3.4 基于空间聚集度的适应性函数 | 第116-120页 |
| 5.3.5 算法流程 | 第120-125页 |
| 5.3.6 算法描述 | 第125-126页 |
| 5.4 实验及分析 | 第126-134页 |
| 5.4.1 实验目的与环境 | 第126-127页 |
| 5.4.2 实验数据及相关参数 | 第127-128页 |
| 5.4.3 实验一：算法模型评价 | 第128-129页 |
| 5.4.4 实验二：适用性评价 | 第129-132页 |
| 5.4.5 实验三：计算性能评价 | 第132-134页 |
| 5.5 本章小结 | 第134-136页 |
| 第6章 云环境下空间服务组合的自治愈框架 | 第136-157页 |
| 6.1 Microsoft Azure云平台 | 第136-137页 |
| 6.2 原型系统框架 | 第137-142页 |
| 6.2.1 总体架构模型 | 第137-140页 |
| 6.2.2 基于Microsoft Azure的实现架构 | 第140-142页 |
| 6.3 开发平台及工具 | 第142页 |
| 6.4 自治愈流程 | 第142-144页 |
| 6.4.1 自治愈生命周期 | 第142页 |
| 6.4.2 自治愈流程 | 第142-144页 |
| 6.5 应用实例及场景 | 第144-156页 |
| 6.5.1 服务组合实例选取 | 第144-145页 |
| 6.5.2 服务和数据说明 | 第145-146页 |
| 6.5.3 流程WS-BPEL描述 | 第146-148页 |
| 6.5.4 自治愈策略设计 | 第148页 |
| 6.5.5 自治愈运行效果 | 第148-156页 |
| 6.6 本章小结 | 第156-157页 |
| 第7章 总结与展望 | 第157-160页 |
| 7.1 研究成果及创新 | 第157-158页 |
| 7.2 今后的研究工作 | 第158-160页 |
| 参考文献 | 第160-170页 |
| 攻博期间取得的科研成果 | 第170-172页 |
| 发表&即将发表论文 | 第170-171页 |
| 软件著作权 | 第171-172页 |
| 攻博期间参与课题 | 第172-173页 |
| 致谢 | 第173页 |
